python用于人工智能的方法：1、掌握基礎(chǔ)python程序語(yǔ)言知識(shí)；2、了解基礎(chǔ)數(shù)學(xué)及統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)；3、使用python科學(xué)計(jì)算函式庫(kù)和套件；4、使用【scikit-learn】學(xué)習(xí)python機(jī)器學(xué)習(xí)應(yīng)用。
【相關(guān)學(xué)習(xí)推薦：python教程】
python用于人工智能的方法：
為什么選擇python？
在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域最重要的兩大程序語(yǔ)言就是python 和r，python 簡(jiǎn)潔易學(xué)、應(yīng)用范圍廣（不限于數(shù)據(jù)分析）且學(xué)習(xí)曲線平緩，適合作為第一個(gè)入門的程序語(yǔ)言，透過(guò)pandas、scipy/numpy、sckikit-learn、matplotlib和statsmodels 可以進(jìn)行數(shù)據(jù)分析的工作，適合工程任務(wù)和需要和網(wǎng)絡(luò)應(yīng)用程序整合的項(xiàng)目。至于r 由于是統(tǒng)計(jì)學(xué)家開發(fā)的程序語(yǔ)言，則是擅長(zhǎng)于統(tǒng)計(jì)分析、圖表繪制，常用于學(xué)術(shù)研究領(lǐng)域，建議也要有一定程度的掌握。一般情況下python 和r 并非互斥，而是互補(bǔ)，許多數(shù)據(jù)工程師、科學(xué)家往往是在python 和r 兩個(gè)語(yǔ)言中轉(zhuǎn)換，小量模型驗(yàn)證、統(tǒng)計(jì)分析和圖表繪制使用r，當(dāng)要撰寫算法和數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)服務(wù)互動(dòng)等情況時(shí)在移轉(zhuǎn)到python。為了降低學(xué)習(xí)成本。
此外python本身是一種通用語(yǔ)言，除了數(shù)據(jù)科學(xué)外也可以廣泛使用在 網(wǎng)絡(luò)開發(fā)、網(wǎng)站建置、游戲開發(fā)、網(wǎng)絡(luò)爬蟲等領(lǐng)域，當(dāng)你需要整合系統(tǒng)產(chǎn)品服務(wù)時(shí)，可以擔(dān)任一站式的開發(fā)語(yǔ)言，更重要的是 python 也可以當(dāng)成 膠水語(yǔ)言非常輕易和 c/c 等效能較佳的語(yǔ)言整合。簡(jiǎn)而言之，python是一種簡(jiǎn)潔易學(xué)但功能強(qiáng)大，值得投資的程序語(yǔ)言，所以我們這邊先使用python 進(jìn)行介紹。
若對(duì)于python和r 比較，這邊有兩篇文章可以參考數(shù)據(jù)科學(xué)界華山論劍：r與python巔峰對(duì)決、which is better for data analysis:r or python?。
如何開始入門機(jī)器學(xué)習(xí)？
事實(shí)上，數(shù)據(jù)科學(xué)是個(gè)跨領(lǐng)域?qū)W門，在學(xué)習(xí)如何使用python 進(jìn)行機(jī)器學(xué)習(xí)過(guò)程中通常必須掌握以下知識(shí)：
機(jī)器學(xué)習(xí)算法
python 程序語(yǔ)言和資料分析函式庫(kù)
線性代數(shù) / 統(tǒng)計(jì)學(xué)等相關(guān)學(xué)門
專業(yè)領(lǐng)域的領(lǐng)域知識(shí)（ domain knowledge ）
為了掌握以上三大領(lǐng)域知識(shí)（我們先把焦點(diǎn)放在機(jī)器學(xué)習(xí)核心技法，暫時(shí)忽略數(shù)據(jù)科學(xué)中對(duì)于領(lǐng)域知識(shí)的掌握），具體來(lái)說(shuō)我們可以有以下步驟可以參考：
1. 掌握基礎(chǔ)python 程序語(yǔ)言知識(shí)
在線學(xué)習(xí)資源：
o codecademy
o datacamp（也可以學(xué)r）
o learn x in y minutes(x = python)
o learn python thehard way
2. 了解基礎(chǔ)數(shù)學(xué)/統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)
o 可汗學(xué)院線性代數(shù)
o introto deive statistics
o introto inferential statistics
o andrew ng 機(jī)器學(xué)習(xí)課程
o andrew ng 機(jī)器學(xué)習(xí)筆記
o carnegiemellon university machine learning
o machinelearning foundations (機(jī)器學(xué)習(xí)基石)
3. 知道如何使用python 科學(xué)計(jì)算函式庫(kù)和套件
推薦安裝anaconda，支持跨平臺(tái)多種版本python，默認(rèn)將數(shù)據(jù)分析、科學(xué)計(jì)算的套件裝好，自帶spyder 編輯器、jupyternotebook（ipythonnotebook），可以提供一個(gè)網(wǎng)頁(yè)版接口，讓用戶可以透過(guò)瀏覽器進(jìn)行julia、python或r 程序的開發(fā)與維護(hù)。
o numpy：科學(xué)分析，scipylecture notes 教學(xué)文件
o pandas：資料分析
o matplotlib：會(huì)制圖瞟
o scikit-learn：機(jī)器學(xué)習(xí)工具
4. 使用scikit-learn 學(xué)習(xí)python 機(jī)器學(xué)習(xí)應(yīng)用
o machinelearning: python 機(jī)器學(xué)習(xí)：使用pytho-n
5. 運(yùn)用python 實(shí)作機(jī)器學(xué)習(xí)算法
o 感知器
o 判定樹
o 線性回歸
o k-means分群
6. 實(shí)作進(jìn)階機(jī)器學(xué)習(xí)算法
o svm
o knn
o randomforests
o 降低維度
o 驗(yàn)證模型
7. 了解深度學(xué)習(xí)（deeplearning）在python 的實(shí)作和應(yīng)用
o ntu applied deeplearning
o stanford deeplearning
o 深度學(xué)習(xí)(deep learning)自學(xué)素材推薦
o 深度學(xué)習(xí)deep learning：中文學(xué)習(xí)資源整理
想了解更多相關(guān)學(xué)習(xí)，敬請(qǐng)關(guān)注php培訓(xùn)欄目！